ZFNet
Zeiler and Fergus “Visualizing and Understanding Convolutional Networks” ECCV2014
动机(Why)
现有CNNs效果很棒,但是第一不知道他为什么好,第二不知道该从哪个方面改进;因此这篇文章对CNNs做了可视化,并提出了一些理解
方法(How)
-
8 层,改进AlexNet,更小的步长和卷积核,认识到的特征更细节并且有更少的"dead" features
-
Deconvnet (各层通过Deconvnet计算出前面层的特征图,与原图对照)
-
反池化:记住最大池化时的最大值对应位置,还原至相应位置,其他位置为0
-
反激活:x=max(0,x)
-
转置卷积
拓展应用
- 反卷积用于反应特征图的变化趋势
英文表达
- An